基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

基于线结构光视觉的焊缝类型识别与特征提取

提出一种基于概率神经网络的焊缝类型识别和亚像素级焊缝检测与特征提取算法。先对激光视觉传感器采集的焊接图像进行兴趣区提取、滤波、二值化等预处理操作,再采用概率神经网络识别焊缝类型,采用改进的Steger算法提取激光条纹中心线,并根据不同焊缝类型从Hough变换所得的条纹中心直线中提取出焊缝中心点位置、焊缝宽度等特征信息。实验结果表明,该方法的焊缝类型识别率和特征提取精度较高,具有很好的实用价值。     

基于视觉传感的薄板对接焊缝特征提取方法的研究

在薄板焊接过程中,由于环境光干扰、物体表面反射和激光散射等因素的影响,采集的图像中噪声密度过大,造成焊缝中心难以准确提取。针对上述问题,提出了一种基于视觉传感的薄板对接焊缝特征提取方法,设计了一种基于线激光的视觉传感系统,实现对薄板表面激光条纹图像的快速采集。针对复杂环境下激光条纹图像的灰度特征,采用图像二值化和自适应中值滤波算法去除图像中的噪声,利用重心法和统计列像素点个数方法选取ROI区域;通过对ROI区域图像进行阈值分割、开运算和提取重心得到激光条纹中心线;最后采用二阶差分法和极值搜索法得到对接焊缝特征。实验结果表明,该方法能够有效去除噪声干扰,准确提取焊缝中心及对接焊缝宽度。     

膜式壁焊缝图像处理及其识别方法

提出一种基于新的单目视觉线性结构光的膜式壁焊缝识别方法,克服了焊接过程中的飞溅、烟雾等干扰,快速地提取了膜式壁角焊缝特征点。首先,根据激光条纹图像与背景的显著性差异,采用灰度级频率法提取了激光条纹图像;其次,基于骨架抽取提取了激光条纹中心线,并对中心线坐标应用Takagi Sugeno模糊算法进行滤波;最后,应用动态ROI搜寻法快速找到含有焊缝特征点的区域,结合快速排序算法找到焊缝特征点坐标。经实验证明,该算法能够快速准确地提取焊缝特征点,结合控制算法,能够准确跟踪焊缝。     

搅拌摩擦焊对接拼缝间隙特征的在线检测方法

针对航天大型军工产品的搅拌摩擦焊接过程对对接拼缝焊接检测与控制的工程需求,提出了一种激光和视觉图像相结合的在线检测方法,以解决拼缝间隙0.2 mm的在线检测难题。该方法可实现焊前拼缝间隙量和错边量的精确、快速检测以及焊中实际焊缝位置跟踪。介绍了测量原理及检测方法,并详细阐述了拼缝间隙特征的自动提取技术,即面向搅拌摩擦焊焊缝特征影像的图像处理和数据处理方法,包括感兴趣区域提取、激光条纹轮廓提取、亚像素激光条纹中心提取、拼缝间隙特征提取等;结合五轴加工中心对测量系统进行试验验证,并与影像仪测量结果进行了对比。     

基于方向显著性的熔池背景下V形焊缝激光条纹的有效提取

焊缝跟踪是机器人自动化焊接的核心技术,而厚板焊接中准确提取用于检测焊缝轮廓的激光条纹技术是实现自动跟踪的关键技术之一。根据同一帧焊缝图像中同时采集了熔池区域和激光条纹的特点,提出采用多区域多方向Gabor滤波的方法获取焊缝图像多方向特征图,然后采用基于局部区域灰度均值最大法消除背景干扰,最后利用连通域法消除因激光条纹轮廓检测缺口而产生的干扰。通过图像处理试验验证了算法的有效性,为厚板焊接的实时跟踪打下基础。     

激光跟踪式无导轨焊接机器人及其焊缝位置识别系统研究

介绍了激光跟踪式无导轨焊接机器人及其焊缝位置识别系统.该系统集成了光纤式激光焊缝跟踪传感器,采用以高性能DSP为核心单元的图像处理系统对激光焊缝图像进行图像处理,识别出焊缝中心位置.详细阐述了基于DSP-DM642的焊缝中心位置识别算法,通过实验确定处理一幅焊缝图像的时间为200ms,能够满足实时焊缝跟踪的要求.     

一种线激光V形焊缝中心点识别的改进算法

在机器人自动化焊接过程中,准确识别、提取出焊缝位置,对于焊接的精度与质量有着很大的影响。基于线激光的V形焊缝轮廓识别算法,在进行阈值分割时,有时由于线激光与V形焊缝接触时会产生激光的变形,导致局部光强下降,部分轮廓会消失。提出一种改进算法,首先通过双边滤波方法,达到图像平滑的目的;然后通过Canny边缘检测算法,准确地提取出线激光在焊缝上变形的区域;通过膨胀算法处理后,再去除焊缝轮廓留下的干扰直线;再通过直线细化算法,识别出与线激光相交的焊缝边缘轮廓点与中心点。最后识别出焊缝中心点位置。     

基于三线激光的除锈爬壁机器人焊缝实时辨识方法

为实现船体焊缝除锈自动化,提出了一种基于三线激光的船体除锈爬壁机器人焊缝中心线提取方法。搭载视觉传感器的爬壁机器人在除锈过程中使用三条平行线激光扫描焊件表面并获取实时图像,通过图像卷积、二值化、细化等算法得到激光条纹骨架。利用中值滤波和链码特征排除法去除骨架中的干扰点,对骨架进行分段拟合,提取焊缝特征点并确定焊缝中心线。实验表明:系统可有效检测出焊缝中心的位置,为除锈爬壁机器人的焊缝跟踪奠定基础。     

一种焊缝结构光图像处理与特征提取方法

提出了一种焊缝结构光图像处理与特征提取方法,有效克服了焊缝结构光图像中的反光等干扰,准确提取图像中焊缝位置特征.对于激光条纹中心线的提取,采用基于图像列方向像素灰度分布的曲线峰值提取方法,并利用激光条纹位置在时间和图像空间上的连续性和相关性,进行判断提取.对于焊缝图像特征的提取,根据沟槽类焊缝图像形状特点,选择焊缝沟槽图形中心作为图像特征.焊缝图像处理与焊缝跟踪试验结果证明了该方法的有效性和可靠性.     

Study of image processing for V-shape groove and robotic weld seam tracking based on laser vision

Single-stripe laser was applied to acquire V-shape groove contour information. Most of arc light and splash noise was removed and stripe laser image was kept by wavelet transform. Half-threshold algorithm was used for image segmentation and stripe laser image was gotten after refining. Weld seam center position was identified and extracted by extreme curvature corner detection method. The location of torch was detected to accord the frequency of computer program with robot program and serial communication program. The tracking experiments of sidelong, reflex and curve weld line show that the system can meet the demand of the tracking precision under normal welding conditions.     

An optical sensing system for seam tracking and weld pool control in gas metal arc welding of steel pipe

A visual sensing system was developed for automatic gas metal arc welding (GMAW) of the root pass of steel pipe. The system consisted of a vision sensor that consisted of a charge-coupled device (CCD) camera and lenses, a frame grabber, image processing algorithms, and a computer controller. A specially designed five-axis manipulator was used to position the welding torch and to provide the vision sensor with automatic access to view the welding position. During the root pass welding, an image of the weld pool and its vicinity was captured using the camera without interference of the intensive arc light by viewing at the instance of a short-circuit of the welding power. The captured image was then processed to recognize the weld pool shape. For seam tracking, the manipulator was used to adjust the torch position based upon the pool image to the groove center. The measured gap size was used to determine the appropriate welding conditions to obtain sound penetration. The welding speed was chosen using fuzzy logic with the knowledge of a skilled welder and measured gap. The automatic welding equipment demonstrated that both welding conditions and torch position could be appropriately controlled to obtain a sound weldment and a good seam tracking capability.     

基于改进的边界追踪算法的管道法兰焊缝识别

针对目前管道法兰焊接中存在的缺点,文中对管道法兰焊缝进行先检测后识别,提出了一种基于改进的边界追踪算法的管道法兰焊缝识别方法.在焊缝检测阶段,利用曲率角估计的方法精确确定焊缝位置.在焊缝识别阶段,利用膨胀和掩码操作,根据检测到的焊缝位置,提出了一种在原图中设置不规则感兴趣区域的方法;细化边缘,并提出一种过滤伪边缘的算法.通过实际焊缝的试验验证,结果表明,基于改进的边界追踪算法的管道法兰焊缝识别方法能够准确的识别焊缝边缘,并且系统的识别稳定性好.     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

无坡口对接焊缝特征角点检测方法

针对无坡口平板对接焊缝,研究一种应用线结构光传感的角点检测原理实现焊缝特征检测与跟踪的方法.与基于线结构光形变特征检测焊缝位置的传统方法不同,根据激光条纹在焊缝处的灰度变化,运用图像形态学处理方法,提取焊缝中心特征.计算图像每列邻域内灰度值和,运用中心差分方法,提取焊缝图像感兴趣区域.再依据角点检测原理,确定焊缝中心亚像素级坐标位置,通过简单快速的系统标定,得到焊缝实际位置偏差.结果表明,对焊缝间隙为0.2 mm左右的对接焊缝进行跟踪试验,平均误差均保持在0.1 mm以内,满足焊缝跟踪精度要求.     

激光焊接不锈钢微间隙焊缝偏差角点检测法

针对大功率(10 kW)光纤激光焊接304不锈钢紧密对接微间隙焊缝(焊缝间隙小于0.1 mm),通过高速像机摄取熔池近红外热像并分析其特征,分析和处理熔池热像特征,提取激光束偏离焊缝位置的信息,探索激光束与焊缝偏差的信息表征.利用激光深熔焊的匙孔效应,研究焊缝在固态与液态交界处不稳定边缘特征点,提出一种角点检测法实现微间隙焊缝偏差的检测.结果表明,熔池红外热像角点密集分布中心与焊缝偏差有密切的关系,通过角点分布密度可以有效判断焊缝偏差状态.     

微间隙焊缝磁光检测神经网络修正

针对激光焊接微间隙焊缝（间隙小于0.1 mm）,研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法.     

基于激光视觉的钢结构焊缝图像处理系统

针对钢结构件品种多、批量小,焊缝形状位置一致性差,机器人重复定位过程复杂等缺点,设计了一种基于激光视觉的钢结构焊缝图像处理系统. 运用CCD工业相机和激光器,采集带有激光条带的焊缝图像,分别利用中值滤波柔化噪音,Otsu算法自适应阈值分割,开操作和形态学处理相结合去除图像中除目标像素外的小连通区域,提取激光条带的中心线,最终利用Hough变换对中心线直线拟合,得到特征点位置,并通过骨支架试验验证该技术的可行性. 结果表明,该方法可快速准确地检测到焊缝特征点,满足实际要求.     

基于结构光立体视觉的焊缝测量

提出了一种基于结构光立体视觉的焊缝测量方法,并给出了一种简单的摄像机与激光器标定方法。它采用安装在机器人末端的两台摄像机和一只激光器构成测量系统,激光器发出的光束经平凸柱面镜变成光平面,在焊件上形成条纹。两台摄像机同步采集该条纹图像,结合机器人末端位姿与摄像机参数,对于条纹上的每个特征点可以获得三组空间坐标。对这三组坐标进行信息融合,可以更加精确的获得特征点的空间坐标。进行的V形焊缝测量与跟踪试验表明,该方法具有实时性好、测量精度较高、标定简单、可靠性高等特点。